torch.signal.windows.general_hamming

torch.signal.windows.general_hamming(M, *, alpha=0.54, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False) [source]

Вычисляет окно Хэмминга общего вида.

Окно Хэмминга общего вида определяется следующим образом:

$$w_n = \alpha - (1 - \alpha) \cos{ \left( \frac{2 \pi n}{M-1} \right)}$$

Окно нормировано до 1 (максимальное значение равно 1). Однако 1 не появляется, если M чётное и sym равно True.

Параметры

M (int) – длина окна. Другими словами, количество точек возвращаемого окна.

Ключевые аргументы

• alpha (float, необязательно) – коэффициент окна. Значение по умолчанию: 0.54.
• sym (bool, необязательно) – Если False, возвращает периодическое окно, подходящее для использования в спектральном анализе. Если True, возвращает симметричное окно, подходящее для использования в проектировании фильтров. Значение по умолчанию: True.
• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. Значение по умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_tensor_type()).
• layout (torch.layout, optional) – желаемая структура возвращаемого тензора. Значение по умолчанию: torch.strided.
• device (torch.device, optional) – желаемая платформа возвращаемого тензора. Значение по умолчанию: если None, используется текущая платформа для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет ЦП для типов тензоров ЦП и текущий CUDA-узел для типов тензоров CUDA.
• requires_grad (bool, необязательно) – Если автограду следует записывать операции с возвращаемым тензором. Значение по умолчанию: False.

Тип возвращаемого значения

Тензор

Примеры:

>>> # Generates a symmetric Hamming window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, sym=True)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hann window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, alpha=0.5, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])